基于Matlab的BP神经网络在大气污染物浓度预测中的应用.docx

基于Matlab的BP神经网络在大气污染物浓度预测中的应用基于Matlab的BP神经网络在大气污染物浓度预测中的应用（共9篇），这次小编在这里给大家整理过的基于Matlab的BP神经网络在大气污染物浓度预测中的应用，供大家阅读参考。篇1：基于Matlab的BP神经网络在大气污染物浓度预测中的应用基于Matlab的BP神经网络在大气污染物浓度预测中的应用为了寻求有效控制和改善环境质量的.相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024h内的小时平均浓度.结果表明:采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%～48%之间,且绝大部分在2%～17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法.作者：欧阳钧王爱枝OuyangJunWangAizhi作者单位：欧阳钧,OuyangJun(上海市长宁区环境监测站,上海,52)王爱枝,WangAizhi(中国气象科学研究院上海办事处,上海,200011)刊名：环境科学与管理英文刊名：ENVIRONMENTALSCIENCEANDMANAGEMENT年，卷(期)：34(11)分类号：X823关键词：MatlabBP神经网络大气污染物预测篇2：大气中SO2浓度的小波分析及神经网络预测大气中SO2浓度的小波分析及神经网络预测摘要：应用小波分解和重构对SO2浓度年变化趋势进行分析,在此基础上,建立了一种分段BP神经网络预测模型,并对各段有针对性地设计了神经网络预测模型.采用主成分分析进行输入变量降维.在BP网络训练过程中,往往会出现过拟合的现象,为此,在训练过程中,将样本等间距地分离为训练集和验证集来防止这个问题.为了消除网络的权值初始化对学习系统复杂性的影响,采用了5个子网络输出取算术平均的神经网络集成的'方法.预测结果表明,该模型应用于SO2浓度预测具有较高的预测精度和良好的推广能力,而且明显优于一般的神经网络模型.作者：陈柳马广大CHENLiuMAGuangda作者单位：陈柳,CHENLiu(西安科技大学能源学院,西安,710054)马广大,MAGuangda(西安建筑科技大学环境与市政工程学院,西安,710055)期刊：环境科学学报ISTICPKUJournal：ACTASCIENTIAECIRCUMSTANTIAE年，卷(期)：,26(9)分类号：X823关键词：小波分解和重构分段模型BP神经网络SO2浓度预测篇3：人工神经网络在大气环境质量评价中的应用人工神经网络在大气环境质量评价中的应用针对大气环境中的数据监测与模式识别问题,应用人工神经网络理论,在自然环境大气腐蚀试验网站建立大气环境质量B-P网络评价模型.江津试验站成功地应用了该模型.通过-大气环境质量评价结果表明,人工神经网络用于大气环境质量评价的方法是一种新方法,也是一种可行的'方法.作者：易平杨秀清何建新YIPingYANGXiu-qingHEjian-xin作者单位：易平,何建新,YIPing,HEjian-xin(国防科技工业自然环境试验研究中心,重庆,400039)杨秀清,YANGXiu-qing(重庆通信学院计算机应用中心,重庆,400035)刊名：装备环境工程ISTIC英文刊名：EQUIPMENTENVIRONMENTALENGINEERING年，卷(期)：20063(5)分类号：X823X830.2关键词：人工神经网络大气环境环境评价B-P算法篇4：人工神经网络在证券价格预测中的应用人工神经网络在证券价格预测中的应用证券市场中成功的交易模式是可以模仿及学习的.证券价格走势实质是一种复杂时序函数.人工神经网络是在模仿人脑处理问题过程中发展起来的新型智能信息处理系统,人工神经网络可以通过调节连接权值以任意精度逼近任何连续函数,因此也可以逼近证券价格随时间变换这种函数.文中采用基于BP模型的神经网络,用BP算法和遗传算法来训练网络权值,同时也采用了动量法和学习率自适应调整相结合的策略,对证券市场的价格进行建模和预测,结果表明,此模型具有较好的`学习、泛化能力,对股票市场或其他类似的非线性经济系统的走势预测决策具有较好的效果.作者：陈光华CHENGuang-hua作者单位：浙江大学计算机学院,浙江,杭州,310000刊名：计算机仿真ISTICPKU英文刊名：COMPUTERSIMULATION年，卷(期)：24(10)分类号：O242.1关键词：股票市场神经网络反向传播算法遗传算法预测篇5：BP神经网络在灌区需水量预测中的应用BP神经网络在灌区需水量预测中的应用随着塔里木河下游水量逐年减少的趋势,铁干里克灌区水资源危机显的`越来越严重.运用BP神经网络方法预测需水量,对灌区适